CN109697555A - 一种针对风速报警解除前的高速铁路运行状态调度方法 - Google Patents
一种针对风速报警解除前的高速铁路运行状态调度方法 Download PDFInfo
- Publication number
- CN109697555A CN109697555A CN201811512488.0A CN201811512488A CN109697555A CN 109697555 A CN109697555 A CN 109697555A CN 201811512488 A CN201811512488 A CN 201811512488A CN 109697555 A CN109697555 A CN 109697555A
- Authority
- CN
- China
- Prior art keywords
- speed
- wind speed
- data
- wind
- alarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000007774 longterm Effects 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 7
- 238000013528 artificial neural network Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000013136 deep learning model Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06Q50/40—
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Abstract
本发明公开了一种针对风速报警解除前的高速铁路运行状态调度方法，包括基于深度学习的风速特征预测及依靠混合整数规划的决策方法。本发明通过对铁道周围分布的风速监测仪器获取的历史风速进行分析，训练基于长短时记忆神经网络的深度学习模型，实现对短时未来的风速均值及方差情况的预测；之后，基于预测值及高铁风速限行规章制度，本发明对已有的风速报警是否存在取消或降级的可能进行估计，根据估计结果判断对新调度决策计算的启动与否。本发明可以在大风干扰即将结束后提前进行列车速度调整的计算，相对于扰动真正停止后再进行规划的方法，缩短了一定的响应时间。
Description
技术领域
本发明涉及风速预测及高速铁路列车调度技术领域，尤其涉及一种针对风速报警解除前的高速铁路运行状态调度方法。
背景技术
高速铁路具有运输能力强、速度快、经济效率高等特点，在交通运输系统中正日益扮演着越来越重要的角色。现实运行中，尽管高铁技术已经较为成熟，防灾系统较为完善，但常年发生的天气扰动对高铁运行仍有较大影响，而其中，每年因大风干扰造成的延误事件是最多的。由于高速列车的车体轻、速度快，运行时产生的升浮力和俯仰力矩大，对测风影响较为敏感，在大风中运行有着极高风险。为了防止此类灾害的发生，我国在修建高速铁路的过程中，于沿线设立多个监测点，对风速数据进行实时采集监控，另外，我国还设计了相关限速方案，对于各个风力等级有着明确的区间限速要求，以此来保障高铁的安全行驶。
高速铁路运行图是高铁在运行过程中的调度指南，其规定了各种列车占用区间的次序，列车在每个车站的到达、出发或通过时刻，列车在各区间的运行时间，列车在车站的停站时间等，是高速铁路运输工作的综合计划，是行车组织的基础，高速铁路运行图通过混合整数规划模型产生。实际运行中，高铁在有自然扰动情况下通常会偏离运行图，以降速、停车等方式避免扰动带来列车倾覆等后果，而当扰动警报停止时，调度员的人工响应或自动考虑新轨道状况的调度计算方案通常需一定的响应时间，因此列车往往会继续按照之前的减速、停车等调度指令，加大对运行图的偏离。本发明提出了对可能的风速报警解除情况进行提前预测，之后提前启动调度计算的方案，来降低列车的响应时间，减少进一步对原有运行图的偏离。
发明内容
本发明的目的是依靠深度学习对风速情况的预测以及混合整数优化对列车运行速度的调整，提供一种具有更高实时性的大风扰动恢复响应方案。
本发明的目的是通过以下技术方案实现的：一种针对风速报警解除前的高速铁路运行状态调度方法，该方法包括以下步骤：
步骤1：通过高铁系统现有的环境监测系统，采集各监测点处风速数据，储存长时期历史数据作为训练集，数据粒度为秒级；
步骤2：对于监测点，其采集的前一天历史数据，以长度为3610s的时间窗口，每次10s的滑动速度，对数据进行分段，每段数据中前3600s的风速数据作为输入值，后10s风速数据的均值及方差作为输出值，将此合起来作为训练集输入到神经网络模型中对模型参数进行训练；
步骤3：通过步骤2训练好的模型对各监测点实时采集的风速数据进行处理，每10s输出对下10s风速的均值及方差的预测值；
步骤4：使用步骤3中产生的风速的均值及方差拟合正态分布函数，据此依照高铁风速报警的要求(譬如风速在20m/s到25m/s时限速200km/h，风速在25m/s到30m/s时限速120km/h)，得出下10s限速情况降级或取消的概率；
步骤5：对于步骤4得出的最大概率的限速情况，若其概率值大于95％，则立即启动高铁混合整数规划模型的计算，生成一组调节当前全线路各列车恢复到原有运行图的速度调节方案；
步骤6：10s后，若确实产生步骤4中预测的报警降级或取消状态，则执行步骤5的计算结果对列车运行进行恢复。
进一步地，所述步骤2中的神经网络模型使用双层长短时记忆神经元网络及一层全连接组成。
本发明与现有技术相比，具有如下的优点：
第一，以高速铁路沿线风速特征的精确预测作为基础，提出一种时序预测与列车实时扰动恢复相结合的方法，有着更快的响应速度；
第二，在风速预测中，本发明使用双层长短时记忆神经元网络及一层全连接组成，相较于传统统计学模型，有着更多的模型参数，训练充分情况下通常能够达到更好的预测效果；
第三，在调度规划中，本发明按照运行图绘制的相关方法，对线路上各列车的调整考虑前后追车、进出站等各类约束，得到一个可行的临时调度图。
附图说明
图1是本发明所用神经网络示意图；
图2是本发明方法整体流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示，本发明提供的一种针对风速报警解除前的高速铁路运行状态调度方法，该方法通过对高速铁路沿线风速监测器采集的数据进行时序分析，得到对未来风速情况的短期估计，当列车正在限速段运行时，若基于风速及报警规章预测到前方报警即将取消或降级，则提前对整条线路上各列车速度调度进行计算，以让列车更快的恢复到没有风速报警或限速等级更低的运行状态中来。对于限速概率预测，使用正态分布进行拟合；预测得到的均值及方差作为正态分布的参数，以此计算出各限速情况发生的概率。当限速降级或取消的概率足够大时，将启动针对列车运行建立的混合整数优化模型，提前求解新的道路状况下使列车延误最低的最优运行方式。该方法的实现流程具体如下：
步骤1：通过高铁系统现有的环境监测系统，采集各监测点处风速数据，储存长时期历史数据作为训练集，数据粒度为秒级；
步骤2：对于监测点，其采集的前一天历史数据，以长度为3610s的时间窗口，每次10s的滑动速度，对数据进行分段，每段数据中前3600s的风速数据作为输入值，之后通过连续两层长短时记忆神经网络，将数据封装为3600个100维度长的隐变量，再将其输入一个全连接层中，输出为后10s风速数据的均值及方差，将此合起来作为训练集输入到神经网络模型中对模型参数进行训练；基于此模型，通过使用监测点前一天数据进行训练，可以得到对当天的实时在线预测模型；
步骤3：通过步骤2训练好的模型对各监测点实时采集的风速数据进行处理，每10s输出对下10s风速的均值及方差的预测值；
步骤4：使用步骤3中产生的风速的均值及方差拟合正态分布函数，据此依照高铁风速报警的要求(譬如风速在20m/s到25m/s时限速200km/h，风速在25m/s到30m/s时限速120km/h)，得出下10s限速情况降级或取消的概率；
步骤5：对于步骤4得出的最大概率的限速情况，若其概率值大于95％，则立即启动高铁混合整数规划模型的计算，以最小延误时间为优化目标，生成一组调节当前全线路各列车恢复到原有运行图的速度调节方案；实际运行中，基于设定的预测值，该过程提前10s进行，而相应的高铁混合整数规划模型的求解通常大于10s，因此，若10s后报警状况确实发生改变，则过往方案在此刻才开始进行计算，而本发明方案则已提前10s开始，因而可提高响应速度。另外，若10s后报警状况未发生改变，则列车可继续按照相关限速情况下的调度命令运行，同时本发明方案将保持实时在线运行，继续对下个10s进行预测，并重复本过程。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。
Claims (2)
1.一种针对风速报警解除前的高速铁路运行状态调度方法，其特征在于，该方法包括以下步骤：
步骤1：通过高铁系统现有的环境监测系统，采集各监测点处风速数据，储存长时期历史数据作为训练集，数据粒度为秒级；
步骤2：对于监测点，其采集的前一天历史数据，以长度为3610s的时间窗口，每次10s的滑动速度，对数据进行分段，每段数据中前3600s的风速数据作为输入值，后10s风速数据的均值及方差作为输出值，将此合起来作为训练集输入到神经网络模型中对模型参数进行训练；
步骤3：通过步骤2训练好的模型对各监测点实时采集的风速数据进行处理，每10s输出对下10s风速的均值及方差的预测值；
步骤4：使用步骤3中产生的风速的均值及方差拟合正态分布函数，据此依照高铁风速报警的要求(譬如风速在20m/s到25m/s时限速200km/h，风速在25m/s到30m/s时限速120km/h)，得出下10s限速情况降级或取消的概率；
步骤5：对于步骤4得出的最大概率的限速情况，若其概率值大于95％，则立即启动高铁混合整数规划模型的计算，生成一组调节当前全线路各列车恢复到原有运行图的速度调节方案；
步骤6：10s后，若确实产生步骤4中预测的报警降级或取消状态，则执行步骤5的计算结果对列车运行进行恢复。
2.根据权利要求1所述的一种针对风速报警解除前的高速铁路运行状态调度方法，其特征在于，所述步骤2中的神经网络模型使用双层长短时记忆神经元网络及一层全连接组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512488.0A CN109697555A (zh) | 2018-12-11 | 2018-12-11 | 一种针对风速报警解除前的高速铁路运行状态调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512488.0A CN109697555A (zh) | 2018-12-11 | 2018-12-11 | 一种针对风速报警解除前的高速铁路运行状态调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109697555A true CN109697555A (zh) | 2019-04-30 |
Family
ID=66230520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811512488.0A Pending CN109697555A (zh) | 2018-12-11 | 2018-12-11 | 一种针对风速报警解除前的高速铁路运行状态调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109697555A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113050414A (zh) * | 2019-12-27 | 2021-06-29 | 北京安控科技股份有限公司 | 一种基于工控系统时序数据的预警方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103481918A (zh) * | 2013-07-04 | 2014-01-01 | 文超 | 一种基于反馈调节的高速铁路列车运行调整方法 |
| EP2856599A1 (en) * | 2012-05-03 | 2015-04-08 | Kongsberg Maritime AS | Predictive control system |
| CN108263400A (zh) * | 2018-01-08 | 2018-07-10 | 北京佳讯飞鸿电气股份有限公司 | 高铁列车运行速度控制方法、装置、存储介质及高铁列车 |
-
2018
- 2018-12-11 CN CN201811512488.0A patent/CN109697555A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2856599A1 (en) * | 2012-05-03 | 2015-04-08 | Kongsberg Maritime AS | Predictive control system |
| CN103481918A (zh) * | 2013-07-04 | 2014-01-01 | 文超 | 一种基于反馈调节的高速铁路列车运行调整方法 |
| CN108263400A (zh) * | 2018-01-08 | 2018-07-10 | 北京佳讯飞鸿电气股份有限公司 | 高铁列车运行速度控制方法、装置、存储介质及高铁列车 |
Non-Patent Citations (1)
| Title |
|---|
| WANGYE YAO等: ""Multidimensional LSTM Networks to Predict Wind Speed"", 《2018 37TH CHINESE CONTROL CONFERENCE (CCC)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113050414A (zh) * | 2019-12-27 | 2021-06-29 | 北京安控科技股份有限公司 | 一种基于工控系统时序数据的预警方法和系统 |
| CN113050414B (zh) * | 2019-12-27 | 2023-02-10 | 北京安控科技股份有限公司 | 一种基于工控系统时序数据的预警方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110155126B (zh) | 临时限速下的高铁列车调度与控制一体优化方法 | |
| US8676410B2 (en) | System and method for pacing a plurality of powered systems traveling along a route | |
| US9376971B2 (en) | Energy management system and method for vehicle systems | |
| CN101909965B (zh) | 在存在变化的优化参数的情况下优化动力系统性能的系统和方法 | |
| US8989917B2 (en) | System, method, and computer software code for controlling speed regulation of a remotely controlled powered system | |
| US8295993B2 (en) | System, method, and computer software code for optimizing speed regulation of a remotely controlled powered system | |
| RU2501695C2 (ru) | Система и способ оптимизации движения поезда | |
| CN109754180B (zh) | 突发事件终止时间不确定情况下的高速铁路行车调整方法 | |
| CN110920700B (zh) | 一种高铁调度优化方法、系统、及存储介质 | |
| US20070225878A1 (en) | Trip optimization system and method for a train | |
| CN111768074A (zh) | 一种新型列车运行智能调整方法 | |
| CN112389509B (zh) | 一种高铁列车时刻表的辅助调整方法和系统 | |
| Wang et al. | Robust fuzzy predictive control for automatic train regulation in high-frequency metro lines | |
| WO1998051556A1 (en) | Automatic train control system and method | |
| US20220119020A1 (en) | Vehicle Control System | |
| Yin et al. | Efficient real-time train operation algorithms with uncertain passenger demands | |
| CN112706803B (zh) | 一种地铁列车救援自动调整方法及系统 | |
| Sheu et al. | Adaptive optimal control for designing automatic train regulation for metro line | |
| WO2008073547A2 (en) | Trip optimization system and method for a diesel powered system | |
| CN109697555A (zh) | 一种针对风速报警解除前的高速铁路运行状态调度方法 | |
| CN101495929B (zh) | 用列车/轨道数据库增加进行旅程优化的方法、系统和计算机软件代码 | |
| Scheepmaker et al. | Running time supplements: energy-efficient train control versus robust timetables | |
| CN113627694B (zh) | 一种考虑停运的城际铁路列车运行计划调整方法和系统 | |
| CN110803203B (zh) | 一种高速铁路行车轨迹的演进预测方法及系统 | |
| CN113935581A (zh) | 基于滚动时域事件影响分析的货物列车调度方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190430 |
|
| RJ01 | Rejection of invention patent application after publication |